【国盛金工】如何将隔夜涨跌变为有效的选股因子 Q&A|涨跌幅_新浪财经

　　炒股就看金麒麟分析师研报，权威，专业，及时，全面，助您挖掘潜力主题机会！

研究摘要

前言：国盛金工于2022年4月26日发布的专题报告《如何将隔夜涨跌变为有效的选股因子？——基于对知情交易者信息优势的刻画》，受到投资者的密切关注。我们收集了一些大家普遍关心的问题，在本文中逐一展开讨论，供各位读者参考。

模型回顾：原报告顺着大家常见的研究思路，在对隔夜涨跌幅加绝对值的基础上，再利用成交量的信息，计算隔夜涨跌幅绝对值与昨日换手率的相关系数，构造了一个新的选股因子MIF（Market Inefficiency Factor）。2012/01/01-2022/05/31，新因子在全体A股中的月度IC均值为-0.028，年化ICIR为-2.46；5分组多空对冲的年化收益为10.83%，年化波动为4.33%，信息比率为2.50，月度胜率为74.80%，最大回撤为2.70%。

相关系数vs秩相关系数：Pearson相关系数容易受到极端值的影响，因此我们改为计算隔夜涨跌幅绝对值与昨日换手率的Spearman秩相关系数。改为秩相关系数后，MIF因子的信息比率略有下降，但仍可达到2.14，仍然具备有效的选股能力。

换手率再往前移：原报告构建的新因子，是计算T日隔夜涨跌幅绝对值与T-1日换手率的相关系数，现在我们计算T日隔夜涨跌幅绝对值与T-2日换手率、T日隔夜涨跌幅绝对值与T-3日换手率的相关系数，构造MIF因子。回测结果显示，将换手率再往前移，MIF的选股效果显著下降，这一点正好验证了因子的逻辑：想要判断影响股票T日开盘涨跌的信息，是否被知情交易者提前获取，自然是观测T-1日的换手率更为有效。

隔夜涨跌是否应该取绝对值：计算每日隔夜涨跌幅与昨日换手率的相关系数，发现因子同样有效，但IC符号却发生了变化。将因子按照隔夜涨跌幅>0、隔夜涨跌幅<0做进一步拆分后发现，虽然不对隔夜涨跌幅取绝对值计算得到的因子，表面上也有不错的选股效果，但其逻辑存在漏洞，两个内在组成成分互相矛盾。因此，在考察隔夜涨跌幅与昨日换手率相关性的时候，应该对隔夜涨跌幅加上绝对值。

相对于各自行业的超额涨跌与超额换手：先计算每只股票每个交易日相对于各自中信一级行业的超额隔夜涨跌幅、超额换手率，再计算超额隔夜涨跌幅绝对值与超额换手率的相关系数，构造因子。回测结果显示，在相对各自行业的超额概念下，因子的效果略有提升，5分组多空对冲的信息比率可达2.76，月度胜率接近80%。

风险提示：以上结论均基于历史数据和统计模型的测算，如果未来市场环境发生明显改变，不排除模型失效的可能性。

报告原文下载链接：

https://pan.baidu.com/s/15EY4Vqu9kgbZefkyKMfz0g

提取码：uvx7

相关研究请点击：

1. 前言

2022年4月26日，国盛金工发布专题报告《如何将隔夜涨跌变为有效的选股因子？——基于对知情交易者信息优势的刻画》，深入讨论了隔夜涨跌幅因子的改进方案。具体地，专题报告顺着大家常见的改进思路，在对隔夜涨跌幅加绝对值的基础上，再利用成交量的信息，计算隔夜涨跌幅绝对值与昨日换手率的相关系数，构造了一个新的选股因子。该因子衡量了知情交易者在获取隔夜信息上的优势大小，从而反映了市场有效性的强弱；且因子值越大，代表知情交易者信息优势越大，市场有效性越弱，因此我们把新因子命名为MIF（Market Inefficiency Factor）。

在量化投资领域，关于“隔夜跳空”、“隔夜动量”等相关话题的讨论，一直受到市场的广泛关注；“知情交易行为”，也是近年来的热点议题。因此，专题报告《如何将隔夜涨跌变为有效的选股因子？——基于对知情交易者信息优势的刻画》一经发布，就受到了投资者的密切关注。我们收集了一些大家普遍关心的问题，在本文中逐一展开讨论，供各位读者参考。

2. 模型回顾

在构造新因子之前，原报告先定义了几个传统因子：

传统反转因子Ret20：股票过去20个交易日的累计涨跌幅；

传统隔夜因子OvernightRet：股票过去20个交易日的累计隔夜涨跌幅（今开/昨收-1）；

隔夜跳空因子abs_OvernightRet_desize：股票过去20个交易日，每日隔夜涨跌幅绝对值的平均数，做横截面市值中性化处理；是目前较为常见的对传统隔夜因子的改进方案。

随后，我们构造新因子，具体操作步骤如下：

（1）每月月底，每只股票回溯过去20个交易日，计算每日隔夜涨跌幅绝对值与昨日换手率的相关系数；

（2）做横截面市值中性化处理；

（3）更进一步，考虑到我们想要提供的是已有研究以外的增量信息，因此再正交隔夜跳空因子abs_OvernightRet_desize，取残差，定义为新因子MIF（Market Inefficiency Factor）。

在回测期2012/01/01-2022/05/31内，新因子在全体A股中的月度IC均值为-0.028，RankIC均值为-0.037，年化ICIR为-2.46，年化RankICIR为-2.98。图表1、图表2分别展示了新因子的5分组、多空对冲净值走势，图表3比较了新因子与传统反转因子、传统隔夜因子、隔夜跳空因子5分组多空对冲的各项绩效指标。可以发现，新因子的稳定性大幅优于传统因子，多空对冲的年化收益为10.83%，年化波动为4.33%，信息比率为2.50，月度胜率为74.80%，最大回撤仅为2.70%。

3. 新因子的中间过程

新因子MIF的构造过程共有3个步骤，前文只展示了最终新因子的效果，本节内容详细展示因子的中间过程。

第一步：每月月底，每只股票回溯过去20个交易日，计算每日隔夜涨跌幅绝对值与昨日换手率的相关系数。为了方便表述，我们暂且把该因子记为“初始MIF”。

图表4展示了“初始MIF”的5分组及多空对冲净值走势。在全体A股中，回测期2012/01/01-2022/05/31内，“初始MIF”的5分组多空对冲年化收益为11.20%，年化波动为5.41%，信息比率为2.07，月度胜率为69.92%，最大回撤为3.03%，整体效果已经不错。

第二步：将“初始MIF”做横截面市值中性化处理，将得到的因子记为“进阶MIF”。

市值中性化是一种对量价因子常见的处理方式。经过市值中性化处理后，“进阶MIF”的5分组多空对冲年化收益为11.16%，年化波动为4.63%，信息比率上升至2.41，月度胜率上升至75.61%，最大回撤下降为2.44%，因子的稳定性得到提升。

第三步：将“进阶MIF”正交隔夜跳空因子abs_OvernightRet_desize，取残差，得到“最终MIF”。

回测结果显示，“最终MIF”的5分组多空对冲年化收益为10.83%，年化波动为4.33%，信息比率为2.50，月度胜率为74.80%，最大回撤为2.70%。

其实，“进阶MIF”与隔夜跳空因子abs_OvernightRet_desize的相关性很低，仅为0.034，所以进行第三步操作，从效果上来看，对因子的最终绩效影响甚微。我们进行这一步操作的原因，更多是从意图上出发，即我们想要得到已有研究以外的增量信息。

4. 相关系数vs秩相关系数

原报告在考察隔夜涨跌幅绝对值与昨日换手率的相关性时，计算的是两者的Pearson相关系数。但Pearson相关系数容易受到极端值的影响，因此我们将因子计算过程中的相关系数，改为Spearman秩相关系数，检验因子是否仍然有效。

图表8展示了新因子MIF（秩相关系数）在全市场5分组及多空对冲的净值走势，图表9则比较了其与原因子（相关系数）的各项绩效指标。可以看到，改为秩相关系数后，MIF的信息比率略有下降，但仍可达到2.14，整体来看仍然具备有效的选股能力。

5. 换手率再往前移

原报告构建的新因子，是计算T日隔夜涨跌幅绝对值与T-1日换手率的相关系数，目的是为了判断影响股票T日开盘跳空幅度（今开/昨收-1）的信息，是否在T-1日就已经被知情交易者提前获取。有读者问道：某些知情交易者的信息优势较大，未必需要等到T-1日，或许在更早的时候就已经获取信息、提前做好了布局。

因此，我们将换手率再往前移，计算T日隔夜涨跌幅绝对值与T-2日换手率、T日隔夜涨跌幅绝对值与T-3日换手率的相关系数，构造MIF因子。图表10、图表11展示了MIF（T-2日换手率）、MIF（T-3日换手率）的5分组及多空对冲净值走势，图表12则比较了其与原因子（T-1日换手率）的各项绩效指标。

可以发现，将换手率再往前移，MIF的选股效果显著下降，比如MIF（T-2日换手率）的信息比率只有0.97，月度胜率下降至61.79%。该现象其实也进一步验证了MIF因子的逻辑：离信息真实发生的时点越近，越容易提前得到信息；既然是想要判断影响股票T日开盘涨跌的信息，是否被知情交易者提前获取，那么自然是观测T-1日的换手率更为有效。

6. 隔夜涨跌是否应该取绝对值

原报告在构建新因子MIF时，计算了每日隔夜涨跌幅绝对值与昨日换手率的相关系数。有读者问道：为什么要顺着大家常用的隔夜跳空因子的思路，先对隔夜涨跌幅加上绝对值，再计算它与昨日换手率的相关系数？如果隔夜涨跌幅不取绝对值，因子的效果如何？

因此在本节内容中，我们撤掉绝对值，直接计算每日隔夜涨跌幅与昨日换手率的相关系数，考察因子的选股效果。同样地，我们也对因子做横截面市值中性化处理，暂时不对隔夜跳空因子正交，与第二节内容展示的“进阶MIF”（未正交隔夜跳空因子）进行对比。

图表13展示了撤掉绝对值后，因子的5分组及多空对冲净值走势。回测结果显示，因子仍然有效，但IC方向却发生了变化！新的计算方式下，因子的月度IC均值为0.025，年化ICIR为1.85；5分组多空对冲的年化收益为10.00%，年化波动为5.11%，信息比率为1.96，月度胜率为73.98%，最大回撤为4.39%。

在不取绝对值的情况下，因子的IC为正，这就代表因子的选股逻辑为：隔夜涨跌幅与昨日换手率的相关系数越大，股票的未来收益越高；即在过去一段时间中，昨日高换手对应隔夜大涨幅、昨日低换手对应隔夜大跌幅，这样的股票未来收益更高。回顾原报告中MIF因子的IC为负，由于计算的是隔夜涨跌幅绝对值与昨日换手率的相关系数，因此原来因子的逻辑为：隔夜涨跌幅绝对值与昨日换手率的相关系数越小，股票的未来收益越高；即在过去一段时间中，无论隔夜上涨还是下跌，昨日高换手对应隔夜小涨幅、小跌幅，昨日低换手对应隔夜大涨幅、大跌幅的股票未来收益更高。如此一来，撤掉绝对值之后的因子逻辑，就与原来因子的逻辑产生了矛盾，究竟谁对谁错？

其实，在不加绝对值的情况下，我们可以将因子做进一步拆分，详细探究因子逻辑。具体地，实施以下操作，将不对隔夜涨跌幅取绝对值的整体因子，拆分为两个子因子：

（1）每月月底，每只股票回溯过去20个交易日，得到每日的隔夜涨跌幅（今开/昨收-1）序列和昨日换手率序列；

（2）将两个序列对齐，取其中隔夜涨跌幅>0的部分，计算相关系数，做横截面市值中性化处理，得到一个子因子；

（3）取其中隔夜涨跌幅<0的部分，计算两个序列的相关系数，同样做横截面市值中性化处理，得到另一个子因子。

得到上述两个子因子后，我们测试它们的选股效果，并与不对隔夜涨跌幅取绝对值的整体因子、对隔夜涨跌幅取绝对值的原因子进行对比，具体结果如图表14所示。

我们发现，将不对隔夜涨跌幅取绝对值的整体因子，拆分为两个子因子后，两个子因子的IC方向并不一致：隔夜涨跌幅>0的部分IC为负，表明昨日高换手对应隔夜小涨幅、昨日低换手对应隔夜大涨幅的股票未来收益更高；而隔夜涨跌幅<0的部分IC为正，表明昨日高换手对应隔夜小跌幅、昨日低换手对应隔夜大跌幅的股票未来收益更高。因此，两个子因子的选股逻辑，与整体因子的逻辑是存在矛盾的，反而与原报告中MIF因子的逻辑正好一致！

至此，我们可以得到结论：在考虑隔夜涨跌幅与昨日换手率的相关性的时候，隔夜涨跌幅应该加上绝对值。虽然不加绝对值计算得到的因子，表面上也有不错的选股效果，但其逻辑存在漏洞，两个内在组成成分的选股方向互相矛盾。

7. 相对于各自行业的超额涨跌与超额换手

原报告已初步讨论过“超额换手”与“超额涨跌”的问题。提出该问题的出发点在于：不同交易日的市场环境不同，可能会对每日隔夜涨跌幅与昨日换手率相关系数的测算造成影响。即某只股票今日的换手率比昨日高，可能不是因为受到自身特有信息的影响，而是因为今日整个市场的交易都较为活跃。同样地，个股的涨跌幅也会受到整体市场的影响。因此我们在计算隔夜涨跌幅绝对值与昨日换手率的相关系数之前，都先剔除市场因素的影响，计算股票的“超额涨跌”、“超额换手”，最终发现在超额的概念下，得到的3个因子MIF（超额涨跌）、MIF（超额换手）、MIF（超额涨跌+超额换手）仍然有效（具体测算细节在原报告中已进行详细展示，此处不再赘述）。

有读者进一步问道：不同股票的参照物不同，计算每只股票相对于市场整体指数的超额涨跌、超额换手，是否不够严谨？更确切地，是否应该计算每只股票相对于各自行业指数的超额涨跌与超额换手？

本节内容对上述疑问进行详细解答。为了方便表述，我们先简要重述MIF因子原来的构建方案：

（1）每月月底，每只股票回溯过去20个交易日，计算每日隔夜涨跌幅绝对值与昨日换手率的相关系数；

（2）做横截面市值中性化；

（3）更进一步，考虑到我们想要提供的是已有研究以外的增量信息，因此再正交隔夜跳空因子，取残差，定义为新因子MIF（Market Inefficiency Factor）。

现在修改上述方案，先计算每只股票相对于各自中信一级行业的超额涨跌、超额换手，将得到的新因子分别命名为MIF（超额涨跌_行业）、MIF（超额换手_行业）、MIF（超额涨跌_行业+超额换手_行业）：

MIF（超额涨跌_行业）：将步骤（1）中每只股票过去20个交易日的每日“隔夜涨跌幅”改为“超额隔夜涨跌幅＝个股隔夜涨跌幅－所属中信一级行业指数隔夜涨跌幅”，其余步骤不变；

MIF（超额换手_行业）：将步骤（1）中每只股票过去20个交易日的昨日“换手率”改为“超额换手率＝个股换手率－所属中信一级行业指数换手率”，其余步骤不变；

MIF（超额涨跌_行业+超额换手_行业）：将步骤（1）中“隔夜涨跌幅”、“换手率”同时改为“超额隔夜涨跌幅”、“超额换手率”，其余步骤不变。

图表15展示了各个新因子的5分组多空对冲净值走势；图表16则汇报了各个因子的IC信息及多空对冲绩效指标，并与原来的MIF因子、相对于市场整体指数的几个超额因子进行了对比。可以看到，各个新因子的净值曲线虽略有差异，但趋势十分相近；5分组多空对冲的绩效指标也相差不大，信息比率都维持在2以上。特别地，MIF（超额涨跌_行业+超额换手_行业）的选股效果最强，5分组多空对冲的信息比率可达2.76，月度胜率接近80%。

风险提示

以上结论均基于历史数据和统计模型的测算，如果未来市场环境发生明显改变，不排除模型失效的可能性。

具体分析详见国盛证券研究所2022年06月28日发布的报告《“薪火”量化分析系列研究（一）：如何将隔夜涨跌变为有效的选股因子 Q&A》。

沈芷琦 S0680521120005 shenzhiqi@gszq.com

刘富兵 S0680518030007 liufubing@gszq.com

特别声明：《证券期货投资者适当性管理办法》于2017年7月1日起正式实施。通过微信形式制作的本资料仅面向国盛证券客户中的专业投资者。请勿对本资料进行任何形式的转发。若您非国盛证券客户中的专业投资者，为保证服务质量、控制投资风险，请取消关注，请勿订阅、接受或使用本资料中的任何信息。因本订阅号难以设置访问权限，若给您造成不便，烦请谅解！感谢您给予的理解和配合。

重要声明：本订阅号是国盛证券金融工程团队设立的。本订阅号不是国盛金融工程团队研究报告的发布平台。本订阅号所载的信息仅面向专业投资机构，仅供在新媒体背景下研究观点的及时交流。本订阅号所载的信息均摘编自国盛证券研究所已经发布的研究报告或者系对已发布报告的后续解读，若因对报告的摘编而产生歧义，应以报告发布当日的完整内容为准。本资料仅代表报告发布当日的判断，相关的分析意见及推测可在不发出通知的情形下做出更改，读者参考时还须及时跟踪后续最新的研究进展。

本资料不构成对具体证券在具体价位、具体时点、具体市场表现的判断或投资建议，不能够等同于指导具体投资的操作性意见，普通的个人投资者若使用本资料，有可能会因缺乏解读服务而对报告中的关键假设、评级、目标价等内容产生理解上的歧义，进而造成投资损失。因此个人投资者还须寻求专业投资顾问的指导。本资料仅供参考之用，接收人不应单纯依靠本资料的信息而取代自身的独立判断，应自主作出投资决策并自行承担投资风险。

股民福利来了！十大金股送给你，带你掘金“黄金坑”！点击查看>>